| Linha 145: | Linha 145: | ||
Logo abaixo temos uma imagem da rede em treinamento e ao fim do treinamento foi obtido uma Acurácia de reconhecimento de 91% e um erro de 30%, a acurácia abaixo do esperado e o erro alto se dá porque foi usado um Dataset (nome dado ao conjunto de imagens utilizados no treinamento) com poucas imagens, em média tinha-se 5000 imagens de cada animal. | Logo abaixo temos uma imagem da rede em treinamento e ao fim do treinamento foi obtido uma Acurácia de reconhecimento de 91% e um erro de 30%, a acurácia abaixo do esperado e o erro alto se dá porque foi usado um Dataset (nome dado ao conjunto de imagens utilizados no treinamento) com poucas imagens, em média tinha-se 5000 imagens de cada animal. | ||
[[Arquivo:CNN-Fernando.jpg| | [[Arquivo:CNN-Fernando.jpg|800px|center]] | ||
| Linha 157: | Linha 157: | ||
A seguir temos 2 imagens, uma do algoritmo KNN implementado na linguagem Python e outro dele em execução | A seguir temos 2 imagens, uma do algoritmo KNN implementado na linguagem Python e outro dele em execução | ||
[[Arquivo:KNN-Implementado.jpg|center]] | [[Arquivo:KNN-Implementado.jpg|800px|center]] | ||
[[Arquivo:KNN-Execucao.jpg|center]] | [[Arquivo:KNN-Execucao.jpg|800px|center]] | ||
== Business Case == | == Business Case == | ||
Edição das 23h28min de 25 de maio de 2020
Fase I - Estudo
Inteligência Artificial sobre serviços de redes
Objetivos
Melhorar serviços de redes internos da Algar Telecom
Conceito
Inteligência Artificial é uma inteligência parecida com a dos humanos porém reproduzida por algum mecanismo ou software. Existem vários características sobre a inteligência artificial como, capacidade de raciocínio, aprendizagem (onde a IA aprende com erros e acerto até se aperfeiçoar para agir da maneira mais eficaz), reconhecimento de padrões e inferência (que é a capacidade de aplicar raciocínio em situações cotidianas).
"Diz-se que um programa de computador aprende pela experiência E, com respeito a algum tipo de tarefa T e performance P, se sua performance P nas tarefas em T, na forma medida por P, melhoram com a experiência E.” Tom M. Mitchell
Aqui temos a definição de um dos "pais" da Inteligência Artificial. Então partimos sempre de machine learning para chegar na Inteligência Artificial, hoje o principal mecanismo da IA é o aprendizado de máquina.
Redes Neurais
A Rede Neural Artificial é uma estrutura computacional inspirada na biologia, uma representação computacional da conexão de diversos neurônios artificiais. Ela é dividida em diversas camadas: camada de entrada, camadas ocultas ou intermediárias e camada de saída.
A Rede Neural mais simples que temos é o Perceptron, ele não chega a ser uma rede, pois é um único neurônio.
Um Perceptron sozinho embora poderoso não é algo que atenda as necessidades das pessoas/empresas no dias atuais, então com o avançar da tecnologia juntou-se vários Perceptrons para chegarmos hoje na nossa conhecida Rede Neural Artificial.
E assim com vários Perceptrons temos diversas aplicações para nossa Rede Neural, como visão computacional, reconhecimento de padrões, tomadas de decisões e etc..
Características
Informe sobre as particularidades, aspectos e atributos desta idéia.
Estudo Dirigido
Coloque aqui o plano de estudos bem como as possíveis fontes de informação.
Fase II - Ensino
Conteúdo
Desenvolva um conteúdo que possa transmitir o conhecimento adquirido para outros Crie um material (Wiki, PDF, PPT, ...) que possa ser armazenado e facilmente atualizável
Apresentação
Apresente ao grupo (reunião, EAD, Blog, ...) Publique aqui
Metodologia
Descrevas as metodologias usadas. Alguns exemplos:
- Novas metodologias
- Best Practices
- Novos processos
- Estratégia de Job Rotation
- Estudos básicos para conhecimento do potencial
- Estudos básicos para entendimento sobre o problema
- Estudos para dar base aos pesquisadores
- Benchmarking com empresas estrangeiras
- Aceleradoras de empresas
- Adoção de novas tecnologias
- Utilização da proposta de soluções Open-source
- Priorização no desenvolvimento interno
- Foco na não dependência de fornecedores
- Prática de formação dos talentos necessários
Fase III - Exemplo de Caso de Negócio
Product Backlog
Descreva os requisitos deste projeto
Benefícios para quem for oferecer esta solução
Descrever em tópicos os benefícios que uma pessoa ou uma empresa podem obter: ganhos, receitas, novos negócios, novos produtos, novas parcerias
Benefícios para o usuário
Descrever em tópicos os benefícios para os usuários desta solução.
Pode se inspirar no Canvas.
Direcionadores chave para esta iniciativa
Descrever em tópicos o que esta iniciativa pode proporcionar
Possíveis modelos
Rede Neural Convolucional
Durante a pesquisa foi desenvolvido uma Rede Neural Convolucional para reconhecimento de câncer de pele e de animais (cachorro e gato). Vamos tratar somente do reconhecimento de animais, a rede foi treinada para reconhecer cães e gatos, foi usado somente essas duas classes de animais, embora poderíamos ter usado mais classes, pois não encontramos ainda uma aplicação dentro da Algar utilizando-se dessa Rede Neural, ela foi desenvolvida somente como estudo de Redes Neurais.
Logo abaixo temos uma imagem da rede em treinamento e ao fim do treinamento foi obtido uma Acurácia de reconhecimento de 91% e um erro de 30%, a acurácia abaixo do esperado e o erro alto se dá porque foi usado um Dataset (nome dado ao conjunto de imagens utilizados no treinamento) com poucas imagens, em média tinha-se 5000 imagens de cada animal.
Como essa ainda é uma Rede Neural que não possui aplicação dentro da Algar, não vou me aprofundar nela e no seu funcionamento.
Algoritmo KNN
Esse algoritmo pode ser utilizado tanto para Classificação quanto para Regressão, sendo que vamos utilizá-lo para Classificação. O algoritmo seria então utilizado para fazer a classificação (ou de uma maneira mais formal: separação) dos dados do nosso dataset e assim poderíamos trabalhar com os dados da melhor maneira. Seja gerando gráficos e analisando-os, ou rodando eles em alguma outra Rede Neural pra extrair o máximo de informações.
Para testes a classificação usada foi bem simples. Foi utilizado o mesmo dataset de animais, gatos e cachorros, só que dessa vez, as imagens não estavam separadas em classes, todas foram colocadas em um pasta só, e o algoritmo KNN foi o responsável por separar as imagens nas duas classes (gato e cachorro).
A seguir temos 2 imagens, uma do algoritmo KNN implementado na linguagem Python e outro dele em execução
Business Case
Descrever um exemplo de negócio que permita avaliar a solução comercialmente
Alinhamento com Lei do Bem
- Projeto possui algum elemento tecnologicamente novo ou inovador?
Elemento tecnologicamente novo ou inovador pode ser entendimento como o avanço tecnológico pretendido pelo projeto, ou a hipótese que está sendo testada
- Projeto possui barreira ou desafio tecnológico superável?
Barreira ou desafio tecnológico superável pode ser entendido como aquilo que dificulta o atingimento do avanço tecnológico pretendido, ou dificulta a comprovação da hipótese
- Projeto utiliza metodologia/método para superação da barreira ou desafio tecnológico?
Metodologia/método para superação da barreira ou desafio tecnológico pode ser entendido como aqueles atividades que foram realizadas para superação da barreira ou do desafio tecnológico existente no projeto
- Projeto é desenvolvido em parceira com alguma instituição acadêmica, ICT ou startup?
Se sim, o desenvolvimento tecnológico é executado por associado ou por alguma empresa terceira? qual o nome da empresa? Anexar cópia do contrato
Fase IV - Protótipo orientado ao Negócio
Escopo
Explique o escopo deste protótipo
Limitações
Informe sobre as limitações técnicas, comerciais, operacionais, recursos, etc.
PoC
Desenvolva um PoC (Proof of Concept)
Detalhamento Técnico
Descreva especificamente os aspectos técnicos desta pesquisa
Cronograma Macro
Histórico
- (02/03 - 06/03) Estudou sobre o assunto.
- (09/03 - 13/03) Estudou sobre o assunto e preencheu Conceitos
- (16/03 - 20/03) Começou a montar a apresentação
- (23/03 - 27/03) Estudou sobre o assunto
- (06/04 - 10/04) Estudou sobre o assunto
- (20/04 - 25/04) Conversou com o Willian que desenvolve doutorado na UFU em Redes Neurais
- (27/04 - 01/05) Estudando os artigos que o Willian disponibilizou para leitura
- (11/05 - 15/05) Iniciou estudos práticos de Redes Neurais
- (19/05) Treinamento de uma Rede Neural Convolucional para classificação de imagens. Imagens usadas são de câncer de pele
- (22/05) Inicio dos estudos sobre Self Organization Map (SOM) e sobre o algoritmo KNN
Pesquisadores
- Fernando Henrique da Cruz
- Pedro Diogo Machado